RTDETRv2 مقابل YOLOX#

تطوّر مشهد الرؤية الحاسوبية بسرعة، ما أتاح للمطورين والباحثين مجموعة واسعة من البُنى للاختيار من بينها عند إنشاء أنظمة قائمة على الرؤية. ومن أبرز المحطات في هذا المسار كلٌّ من RTDETRv2 القائم على Transformer وYOLOX القائم على CNN. وعلى الرغم من أن كلا النموذجين أسهما إسهامًا كبيرًا في مجال اكتشاف الأجسام في الوقت الفعلي، فإنهما يمثلان نهجين مختلفين جوهريًا لحل مشكلات التعرف البصري.

يستكشف هذا الدليل الشامل الفروق الدقيقة في البنية، ومقاييس الأداء، وسيناريوهات النشر المثالية لكلا النموذجين. علاوة على ذلك، سنبحث في كيفية بناء البدائل الحديثة مثل Ultralytics YOLO26 على هذه الأسس لتقديم دقة وكفاءة وسهولة استخدام فائقة.

RTDETRv2: محولات الكشف في الوقت الفعلي#

قُدّم RTDETRv2 بوصفه خليفةً لـ RT-DETR الأصلي، ويستفيد من بنية Transformer لتحقيق اكتشاف عالِ الأداء للأجسام في الوقت الفعلي. ومن خلال الاستغناء عن الحاجة إلى قمع القيم غير العظمى (NMS)، فإنه يبسّط مسار الاستدلال.

• المؤلفون: Wenyu Lv، وYian Zhao، وQinyao Chang، وKui Huang، وGuanzhong Wang، وYi Liu
• المنظمة: Baidu
• التاريخ: 2024-07-24
• الروابط: ورقة Arxiv، GitHub الرسمي، الوثائق

البنية والتصميم#

يعتمد RTDETRv2 بدرجة كبيرة على آليات الانتباه الذاتي المتأصلة في Transformer، ما يتيح للنموذج التقاط السياق العام عبر الصورة بأكملها. ويسمح هذا الفهم الشامل له بالتنبؤ بمربعات الإحاطة واحتمالات الفئات مباشرةً. كما يقدّم ميزات اكتشاف متعددة المقاييس تعزز قدرته على التعرف على الأجسام الصغيرة في البيئات المزدحمة.

نقاط القوة والضعف#

تكمن القوة الأساسية لـ RTDETRv2 في تصميمه الأصلي المتكامل من البداية إلى النهاية. فمن خلال تخطي NMS، يتجنب ارتفاعات زمن الاستجابة المرتبطة غالبًا بالتنبؤات الكثيفة والمتداخلة. ومع ذلك، فإن البصمة الحسابية الكبيرة لكتل Transformer تعني أنه يتطلب موارد GPU كبيرة للتدريب والنشر على حد سواء. وهذا يجعله أقل ملاءمةً للأجهزة الطرفية محدودة الموارد أو للأجهزة المحمولة القديمة.

تعرّف على المزيد حول RTDETRv2

YOLOX: تطوير شبكات CNN الخالية من المراسي#

طُوّر YOLOX لسد الفجوة بين البحث الأكاديمي والتطبيق الصناعي، وقدّم رأسًا مفصولًا وتصميمًا خاليًا من المراسي إلى عائلة نماذج YOLO الشائعة.

• المؤلفون: Zheng Ge وSongtao Liu وFeng Wang وZeming Li وJian Sun
• المنظمة: Megvii
• التاريخ: 18 يوليو 2021
• الروابط: ورقة Arxiv، GitHub الرسمي، الوثائق

البنية والتصميم#

يمثل YOLOX ابتعادًا عن كواشف الأجسام التقليدية القائمة على المراسي، إذ يتنبأ بمواقع الأجسام مباشرةً دون مربعات مراسي محددة مسبقًا. ويبسّط ذلك تصميم الشبكة ويقلل عدد معلمات الضبط الاستدلالية المطلوبة لتحقيق الأداء الأمثل. بالإضافة إلى ذلك، يستخدم YOLOX رأسًا مفصولًا يفصل بين مهمتَي التصنيف والانحدار، ما يحسّن سرعة التقارب أثناء التدريب.

نقاط القوة والضعف#

تجعل الطبيعة الخالية من المراسي في YOLOX النموذج قابلًا للتكيف بدرجة كبيرة مع مختلف مهام الرؤية الحاسوبية، كما تجعله أسهل تدريبًا على مجموعات البيانات المخصصة. وتناسب إصداراته الأخف، مثل YOLOX-Nano، النشر على المتحكمات الدقيقة وأجهزة إنترنت الأشياء منخفضة الطاقة. ومع ذلك، لأن YOLOX ظهر قبل التحول إلى الاستغناء عن NMS، فإنه لا يزال يعتمد على المعالجة اللاحقة التقليدية، ما قد يسبب صعوبات في النشر وزمن استجابة أعلى في المشاهد الكثيفة.

تعرف على المزيد حول YOLOX

مقارنة الأداء والمقاييس#

عند مقارنة هذه النماذج، يُعد تقييم سرعتها ودقتها وكفاءة معلماتها أمرًا بالغ الأهمية لتحديد الأنسب لحالة الاستخدام الخاصة بك. يوضح الجدول أدناه أداء مختلف أحجام النماذج على مجموعة بيانات COCO القياسية.

كما يتضح من البيانات، يحقق RTDETRv2 دقة قصوى أعلى (54.3 mAP) في أكبر إصداراته مقارنةً بـ YOLOXx. ومع ذلك، يقدّم YOLOX إصدارات أصغر وأسرع بكثير، مثل YOLOXs، الذي يتميز بعدد أقل من المعلمات وسرعات استدلال أعلى على وحدات GPU من طراز NVIDIA T4.

ميزة Ultralytics: تقديم YOLO26#

على الرغم من أن كلًا من RTDETRv2 وYOLOX يقدّم فوائد فريدة، فإن المطورين المعاصرين يحتاجون غالبًا إلى حل موحد يجمع أفضل ما في النهجين—دقة عالية، واستدلال فائق السرعة، ومنظومة سهلة الوصول. ويمثل Ultralytics YOLO26، الذي أُطلق حديثًا، ذروة هذا التطور.

الابتكارات الرئيسية في YOLO26#

• تصميم متكامل من البداية إلى النهاية وخالٍ من NMS: استنادًا إلى مفاهيم رائدة طُرحت أولًا في YOLOv10، يعمل YOLO26 بطبيعته دون NMS. ويوفر ذلك استدلالًا سلسًا مثل RTDETRv2، من دون متطلبات الذاكرة الهائلة الخاصة بـ Transformer.
• مُحسِّن MuSGD: مستوحًى من ابتكارات تدريب نماذج اللغة الكبيرة، يعمل مُحسِّن MuSGD الهجين (الذي يدمج بين SGD وMuon) على تثبيت عملية التدريب وتسريع التقارب بدرجة كبيرة.
• استدلال على CPU أسرع بنسبة تصل إلى 43%: من خلال إزالة وحدة Distribution Focal Loss (DFL) استراتيجيًا، جرى تحسين YOLO26 خصيصًا للحوسبة الطرفية والأجهزة منخفضة الطاقة، ما يجعله أسرع بكثير على وحدات CPU من الإصدارات السابقة مثل YOLO11.
• ProgLoss + STAL: تحقق دوال الخسارة المتقدمة هذه تحسينات ملحوظة في التعرف على الأجسام الصغيرة، وتعالج مشكلة شائعة في الصور الجوية وتطبيقات الروبوتات.

تعدد استخدامات ومنظومة لا مثيل لهما#

بعيدًا عن الأداء الخام، تقدم منصة Ultralytics منظومة شاملة تمتد من الصفر إلى الإنتاج. وخلافًا للمستودعات الأكاديمية الثابتة، تُصان نماذج Ultralytics بنشاط وتدعم بسلاسة مهام متعددة من خلال API واحدة وبديهية. سواء كنت تنفذ تقسيم الكائنات، أو تتتبع الأوضاع عبر تقدير الوضعيات، أو تتعامل مع الأجسام المستديرة باستخدام مربعات الإحاطة الموجّهة (OBB)، يظل سير العمل متطابقًا.

علاوة على ذلك، تشتهر نماذج Ultralytics بانخفاض متطلبات الذاكرة أثناء التدريب والاستدلال على حد سواء، ما يتيح للباحثين تشغيل أحجام دفعات أكبر على الأجهزة المتاحة للمستهلكين—في تناقض صارخ مع البصمة الكبيرة للبُنى القائمة على Transformer.

مثال على شفرة التدريب#

تتجلى قوة منظومة Ultralytics على أفضل وجه في بساطتها. فلا يتطلب تدريب نموذج YOLO26 متطورًا سوى بضعة أسطر من التعليمات البرمجية، مع تجريد تعقيدات تحميل البيانات وتهيئة المعلمات الفائقة بالكامل.

from ultralytics import YOLO

# Initialize the natively NMS-free YOLO26 Nano model
model = YOLO("yolo26n.pt")

# Train the model on the standard COCO8 dataset
results = model.train(data="coco8.yaml", epochs=100, imgsz=640, batch=16)

# Validate the model's performance seamlessly
metrics = model.val()
print(f"Validation mAP: {metrics.box.map}")

# Export to ONNX or TensorRT for rapid deployment
model.export(format="engine", device=0)

التطبيقات الواقعية وحالات الاستخدام المثالية#

يعتمد اختيار البنية المناسبة كليًا على قيود النشر لديك وتوافر الأجهزة.

المعالجة السحابية عالية الدقة#

إذا كان تطبيقك يعمل على وحدات GPU للخوادم المتطورة ويعطي الأولوية لأقصى دقة—مثل تحليل مشاهد الحشود الكثيفة أو معالجة الصور الطبية عالية الدقة—فقد تكون آليات الانتباه القوية في RTDETRv2 فعالة للغاية.

النشر الطرفي القديم#

أما في عمليات النشر على الهواتف المحمولة القديمة أو المتحكمات الدقيقة شديدة القيود، حيث يُعد الحد الأدنى من FLOPs ضرورة صارمة، فلا يزال YOLOX-Nano خيارًا احتياطيًا عمليًا بفضل بنية CNN البسيطة.

المعيار الحديث: AIoT والروبوتات#

بالنسبة إلى الغالبية العظمى من حالات الاستخدام الحديثة—من بنية المدن الذكية التحتية وتحليلات البيع بالتجزئة إلى الملاحة الذاتية—فإن Ultralytics YOLO26 هو الخيار الحاسم. ويجعله استدلال CPU الأسرع بنسبة 43% لا يُضاهى في الحوسبة الطرفية، بينما يضمن تصميمه الخالي من NMS زمن استجابة منخفضًا ومتسقًا. وعند اقترانه بالوثائق الشاملة ودعم المجتمع النشط في منظومة Ultralytics، فإنه يمكّن الفرق من الانتقال من وسم مجموعة البيانات إلى النشر العالمي بسرعة أكبر من أي وقت مضى.

بالنسبة إلى المطورين الراغبين في استكشاف بُنى أخرى ضمن منظومة Ultralytics، يمكنكم أيضًا الاطلاع على YOLOv8 لتكاملات المجتمع الراسخة بعمق، أو YOLOv5 لتحقيق استقرار لا مثيل له في مسارات العمل القديمة. ومع ذلك، يظل YOLO26 المعيار الصناعي لدفع حدود ما هو ممكن في عام 2026.